Deep Learning, en el punto de mira de la visión artificial

Destacado

Cuando hablamos de Inteligencia Artificial, Machine Learning o Deep Learning creemos que son conceptos futuristas que están por venir, nada más lejos.                          Desde los años 50 se trabaja en modelos matemáticos asociados a estas tecnologías, pero es ahora, gracias al Big Data, la digitalización, el abaratamiento de los dispositivos de almacenamiento, las mejoras de hardware que permiten procesos en paralelo a mucha velocidad y a modelos matemáticos en redes neuronales (backpropagation,…) que se ha creado el cóctel perfecto que hace posible sacarlas del laboratorio, para convertirlas en una realidad que ya está aquí. El Big Data proporciona el poder de recopilar datos masivamente, relacionarlos entre ellos, gestionarlos, procesarlos y analizarlos con el fin de sacar conclusiones. Ahora es, cuando existen tecnologías capaces de procesar innumerables cantidades de datos para convertirlas en información, que faciliten la toma de decisiones de forma rápida.                      Queremos máquinas sin necesidad de preprogramarles reglas para las infinitas variables que pueden aparecer en el mundo real, pretendemos que aprendan a través de la experiencia. El Machine Learning se ocupa de esto, de dotar a las máquinas de capacidad de aprendizaje. Dentro del Machine learning, y centrándonos en las redes neuronales aparece el concepto de Deep Learning. Las redes neuronales artificiales aprenden de forma jerarquizada, por niveles de capas. Cuantas más capas tengamos, más complejos resultan los algoritmos de procesamiento. Este incremento en el número de capas y su complejidad, es lo que hace que estos algoritmos sean conocidos como algoritmos de Deep learning.                                                            Para ver la diferencia entre un sistema de visión tradicional versus un sistema basado en Machine Learning y Deep Learning, pondremos como ejemplo la lectura de caracteres en visión artificial, lo que denominamos OCR. El software de visión tradicional requiere una serie de bibliotecas de patrones y plantillas que contienen todos los posibles caracteres para reconocer de una foto, una A como una letra. Pero los algoritmos se vuelven poco manejables cuando crecen las bibliotecas de excepciones y defectos.

Deep Learning Lectura caracteres

Lectura de caracteres con tecnología Deep Learning

El sistema de visión con Deep Learning es capaz de leer una A aunque la etiqueta esté doblada, medio borrada o con ruido y solo pueda verse un 30%. Aun así, será capaz de conceptualizar y generalizar la apariencia de los caracteres basado en sus características distintivas, incluso cuando éstas varían sutilmente o a veces se desvíen. Reconocerá correctamente la letra o el número, gracias a las capas de algoritmos integrados en su red neuronal que le permite sacar sus propias conclusiones.

Actualmente ya convivimos con la tecnología Deep Learning, por ejemplo en el reconocimiento de voz, facial y de texto de nuestros móviles y otros dispositivos, incluso tenemos vehículos que circulan solos sin necesidad de la mano humana.            El futuro está aquí y esta tecnología ya está migrando hacia procesos de fabricación avanzada y visión artificial. Disponer de un software de análisis de imagen basado en Deep Learning nos ofrece soluciones a retos de visión complejos, que anteriormente no podía realizarse con visión tradicional o que requerían una cantidad de recursos y dispositivos que no hacían viable la solución.                                                            Ahora es posible distinguir defectos impredecibles al mismo tiempo que tolerar variaciones naturales en patrones complejos. Además, estos pueden adaptarse rápidamente a nuevos ejemplos sin necesidad de reprogramar sus algoritmos principales.

Logo Deep Learning Cognez ViDiVisionPro ViDi es el primer software de análisis de imágenes industrial basado en Deep Learning y es ideal para:

    • Detección de defectos complejos
    • Clasificación de textura y materiales
    • Verificación de montajes y localización de piezas deformadas
    • Lectura de caracteres, incluida la impresión distorsionada

Por ejemplo, Cognex ViDi simplifica la inspección automática de complejos patrones de tejido, incluidos el cruzado, el tejido, el trenzado, el acabado e impreso. Como no requiere un tedioso desarrollo de software, el algoritmo de software se entrena con un conjunto de buenas muestras ya conocidas, para crear sus modelos de referencia. La inspección identifica e informa las áreas defectuosas en la tela, mientras que tolera variaciones grandes pero irrelevantes en su apariencia.

¿Cómo funciona Cognex ViDi?

Deep Learning Entrenamiento

Implementación del Cognex ViDi

Existen sistemas de visión basados en Deep Learning que trabajan con miles de imágenes de procesamiento, lo que implica la necesidad de un procesador muy potente. El Software de ViDi se entrena con un número inferior de imágenes, adaptándose a la potencia de procesador habitual de los PCs que se utilizan en el entorno industrial, ya que solo requiere una GPU.                                                         En el periodo de entrenamiento supervisado cargamos un grupo de imágenes etiquetadas (buenas y malas) de una manera similar a como formaríamos a un inspector humano, enseñándole al sistema para reconocer defectos explícitos.        Para defectos que se presentan en múltiples formas, el sistema se entrena a sí mismo en modo no supervisado. Aprende la apariencia normal de un objeto, incluidas sus variaciones considerables pero que decidimos como buenas. El software crea su modelo de referencia basándose en estas imágenes representativas.                          Se trata de un proceso iterativo de mejora constante, durante el cual los parámetros pueden ajustarse y el resultado se valida hasta que el modelo funcione como se desee. Durante el tiempo de ejecución, ViDi extrae datos de un nuevo conjunto de imágenes y sus redes neurológicas localizan las piezas, extraen anomalías y las clasifica.          Otro aspecto importante, es que podemos hacer que el sistema vaya aprendiendo a medida que vamos trabajando con él. De una forma muy sencilla, es posible añadir nuevas imágenes que modifican el modelo entrenado haciendo posible la adaptación a nuevos cambios o nuevas características que no existían previamente.

ViDi funciona con imágenes de alta resolución, incluidas térmicas y a color, para reconocer prácticamente cualquier anomalía. También realiza recuentos complejos y descifra caracteres deformados y difíciles de leer. Cognex ViDi permite a empresas de muchos sectores crear sistemas de inspección innovadores que sobrepasen los límites de la visión artificial. ViDi está disponible con el software de visión artificial VisionPro y Cognex Designer, lo que ofrece a sus clientes una capacidad única para mezclar y combinar herramientas en una aplicación.

Las herramientas para localización, caracterización, clasificación y lectura de caracteres, trabajan de forma independiente o se pueden combinar con otras herramientas de visión de Cognex para abordar retos complejos de visión .

4 HERRAMIENTAS, 4 SOLUCIONES

      1. ViDi Blue-Locate | Localiza características

Deep Learning Herramienta Locate

Encuentra rasgos o elementos complejos

ViDi Blue-Locate encuentra características y objetos complejos aprendiendo a partir de imágenes con anotaciones. Los algoritmos de autoaprendizaje pueden localizar piezas, contar frascos médicos de vidrio translúcido en una bandeja y realizar controles de verificación de montaje en kits y paquetes.

2. ViDi Red-Analyze | Detecta anomalías y defectos estéticos

Deep Learning Herramienta Analyze

Detecta anomalías o defectos estéticos.

Segmenta los defectos u otras regiones de interés con tan solo aprender las variaciones en la apariencia de la zona de interés. ViDi Red-Analyze puede identificar rayones en superficies complejas, conjuntos incompletos o incorrectos, e incluso problemas de tejido en textiles simplemente mediante el aprendizaje de la apariencia normal de un objeto, incluidas sus variaciones significativas pero tolerables. Esta herramienta es capaz de detectar defectos que con visión convencional serían muy difíciles de detectar y complejos de programar.

3.ViDi Green-Classify | Clasifica objetos o escenas

Clasifica objetos y/o escenas

ViDi Green-Classify separa diferentes clases de una colección de imágenes etiquetadas. Al prepararse para tolerancias aceptables, puede identificar productos en función de sus empaques, clasificar la calidad de la costura de soldadura y separar las anomalías aceptables o inaceptables.

      4.ViDi Blue-Read | Lee texto y caracteres

Lee texto y caracteres

ViDi Blue-Read descifra códigos deformados, torcidos y/o mal grabados mediante el uso de reconocimiento óptico de caracteres. El sistema utiliza redes neuronales para la identificación de los caracteres, permitiendo un incremento sustancial en el porcentaje de acierto respecto al OCR convencional. La biblioteca de fuentes entrenada previamente, puede identificar la mayoría de los textos sin programación o identificar fuentes adicionales para una implementación rápida y fácil. Esta sólida herramienta puede entrenarse para adaptarse a los requisitos específicos de aplicación «OCR». No se requiere experiencia en visión.

¿Cuándo usar visión artificial tradicional o Deep Learning?

La elección entre la visión artificial tradicional y el Deep Learning depende del tipo de aplicación, de la cantidad de datos que se estén procesando y de las capacidades de procesamiento. De hecho, el Deep Learning no es la solución adecuada para todas las aplicaciones. Las tecnologías de programación tradicionales basadas en reglas son mejores para calibrar y medir, así como para realizar una alineación precisa. En algunos casos, puede que la visión tradicional sea la mejor opción para medir con precisión una región de interés, y el Deep Learning para inspeccionar esa región. El resultado de una inspección basada en el Deep Learning puede pasarse a la visión tradicional para tomar medidas precisas del tamaño y la forma del defecto.

En la siguiente imagen se identifica las aplicaciones más adecuadas para la visión artificial tradicional y para los enfoques basados en el Deep Learning, incluidas las apropiadas para ambas.

¿Tiene alguna aplicación compleja que no puede solucionar con visión artificial tradicional y cree que en el Deep Learning podría estar la clave para resolverlo?

En Bcnvision estamos preparados para combatir los retos más complejos de visión artificial. Le asesoramos y acompañamos en todo el proceso hasta encontrar el sistema de visión que más se adapte a sus necesidades y requerimientos. Ponemos a su disposición el avance tecnológico que ofrece el Deep Learning de mano de Cognex ViDi.

¿Quiere realizar una prueba?

Consúltenos en https://bit.ly/2tafW82                                                              www.bcnvision.es

¡Si te gusta el artículo, compártelo!

Bcnvision, premio Cognex al mejor servicio técnico a nivel europeo

El 12 y 13 de abril tuvo lugar la celebración del Cognex Partner Award 2018 en Budapest. Durante el evento, la multinacional Cognex líder en visión artificial premió a sus distribuidores oficiales en Europa por el desempeño realizado.

Bcnvision fue galardonado con el premio a la excelencia al mejor servicio y soporte técnico a nivel europeo.

Un año más Cognex reafirma su confianza en Bcnvision como partner especialista en sistemas de visión artificial, gracias a un equipo técnico experimentado y comprometido que representa el 60% de su platilla y a los buenos resultados obtenidos gracias a la integración de nuevas plataformas de gestión de incidencias y asistencia remotas.

Bcnvision continúa creciendo año tras años gracias a la labor de su equipo y a la confianza de sus clientes. Actualmente, cuenta con una plantilla de más de 38 personas y delegaciones en Barcelona, Bilbao y Vigo.

 

 

¡Si te gusta el artículo, compártelo!

Nueva serie DataMan 470 de Cognex: Lectores de códigos de barra con potente rendimiento

Cognex amplía su gama de lectores de código de barras con la nueva serie DataMan 470. Estos nuevos lectores de montaje fijo resuelven las aplicaciones más desafiantes de fabricación y logística con un alto rendimiento.

Dataman 470 de Cognex

La potencia de procesamiento multinúcleo, la tecnología de imágenes, el sensor de alta resolución, los algoritmos avanzados de decodificación y la configuración sencilla del DataMan 470 permiten una amplia lectura de simbología de códigos, a una gran velocidad y con facilidad de uso.

Rápido y el potente rendimiento resuelve aplicaciones desafiantes

El lector de códigos de barras DataMan 470 tiene siete poderosos multiprocesadores, lo que permite ejecutar múltiples algoritmos y procesos en paralelo a velocidades sorprendentes. Lee códigos 1D y 2D, así como diferentes simbologías mixtas simultáneamente, manteniendo las mayores tasas de decodificación.

La tecnología avanzada mejora el rendimiento y la trazabilidad

La tecnología de imagen innovadora del DataMan 470 proporciona una amplia lectura de simbología de códigos a una velocidad sin precedentes, permitiendo una mayor variación del proceso y menores costes. Mejora la calidad de imagen de los códigos 1D y 2D y lee códigos de barras que no son visibles para los lectores convencionales.

La serie DataMan 470 está optimizada con algoritmos patentados para garantizar índices de lectura continuamente altos de simbologías 1D y 2D, independientemente del tamaño, la calidad, el método de impresión o la superficie.

  • 1DMax con tecnología Hotbars.
  • 2DMax con tecnología PowerGrid.

Fácil configuración y retroalimentación del proceso para una producción óptima

La herramienta de configuración de DataMan proporciona una instalación paso a paso para una configuración fácil y eficiente. La serie DataMan 470 incluye Gigabit Ethernet para una rápida transferencia de imágenes con alta resolución y la herramienta de configuración pueda diagnosticar la causa de los códigos no leídos. Cognex Explorer Real Time Monitoring (RTM) facilita monitorear el rendimiento de los lectores de códigos de barras DataMan para optimizar los procesos de producción.

¡Si te gusta el artículo, compártelo!

Bcnvision mostró las últimas soluciones de visión artificial en Advanced Factories 2018

En la gran cita industrial Advanced Factores 2018 que se celebró del 13 al 15 de Marzo en Barcelona, Bcnvision participó como expositor y presentó las últimas novedades de visión artificial industrial.

La feria Advanced Factories ha cerrado su segunda edición con más de 12.000 asistentes y se presentaron las últimas innovaciones en máquina-herramienta, robótica, automatización industrial y tecnologías de la industria 4.0.

Entre las novedades que Bcnvision presentó en Advanced Factories, destacó la solución Bin Picking para la recogida de piezas aleatorias en un contenedor, una potente solución que permite al robot trabajar no sólo con la coordenada de recogida sino con los datos de toda la trayectoria, para evitar las colisiones.

Otra novedad que presentó Bcnvision en la feria, es el escáner 3D PhoXi® de Photoneo, basado en la tecnología de luz estructurada permite reconstrucciones 3D rápidas y precisas. Este robusto escáner obtiene la nube de puntos con una resolución de 3,2 millones de puntos en cada escaneo.

De igual forma, Bcnvision realizó demostraciones en vivo de los nuevos dispositivos y herramientas Cognex como el perfilador láser o la potente herramienta SurfaceFX para la inspección superficial de piezas. También, expuso las tecnologías de identificación industrial como los lectores Dataman de Cognex y el potente sistema Trevista para la inspección de superficies complejas.

Durante la celebración de la feria, David Torres y David Cervilla, CEO de Bcnvision y Responsable de Innovación y nuevas tecnologías respectivamente, realizaron la ponencia sobre las “Tecnologías de visión artificial avanzando hacia la industria 4.0” y explicaron en detalle sobre las últimas innovaciones para la automatización industrial como el software Kapture de la empresa Tecnomatrix para la gestión de calidad (sistemas de visión artificial en la nube), la solución Bin Picking y la inspección automatizada para el control de soldadura “WeldVision”.

Para concluir, durante la última jornada de la feria en el Talent Market Place, un espacio especializado para captar talento profesional. Montse Sagré, Jefa de Recursos Humanos de Bcnvision profundizó en los perfiles profesionales más solicitados en el sector de la visión artificial industrial.

¡Si te gusta el artículo, compártelo!

In-Sight Explorer, el potente software de visión de Cognex

In-Sight Explorer de CognexCognex, líder en visión artificial, incluye para toda la gama de sus productos In-Sight el potente software In-Sight Explorer. La capacidad de este software es inigualable, permite controlar aplicaciones de inspección de piezas, combinando una Sigue leyendo

¡Si te gusta el artículo, compártelo!

Beneficios de la visión artificial y la automatización de procesos

beneficios visión artificialLa visión artificial se utiliza prácticamente en todas las industrias de fabricación para la inspección total de la producción, mejorar la calidad del producto, incrementar la productividad, reducir los costes de producción y cumplir con los exigentes estándares de calidad de algunos sectores como la industria farmacéutica. Sigue leyendo

¡Si te gusta el artículo, compártelo!

La importancia del ESD y cómo solucionarlo

esdEl ESD es un fenómeno electrostático que hace que circule una corriente eléctrica repentina y momentáneamente entre dos objetos de distinto potencial eléctrico. Es una amenaza costosa y peligrosa para una amplia gama de productos ya que puede dañar dispositivos electrónicos, provocar explosiones o incendios en entornos inflamables y causar fallos en los datos. Sigue leyendo

¡Si te gusta el artículo, compártelo!

Industria 4.0 y visión artificial en el XXII Congreso de Calidad en la Automoción

industria 4.0La Asociación Española para la Calidad a través de su Comité AEC Automoción, celebró los días 5 y 6 de octubre el XXII Congreso de Calidad en la Automoción en Vitoria. Más de 200 profesionales del sector se reunieron para analizar cómo la industria 4.0 conlleva una nueva organización de la producción. Sigue leyendo

¡Si te gusta el artículo, compártelo!

La industria 4.0, el éxito en la competitividad empresarial

industria 4.0

Según un estudio publicado por la consultoría PwC, únicamente el 8% de las empresas españolas forman parte de la industria 4.0, en otras palabras, empresas que han empezado a implantar tecnologías digitales en sus procesos productivos.

El camino hacia la industria 4.0 se basa en la digitalización de los procesos productivos a través de sistemas de información que harán a las empresas más eficientes y competitivas. Sigue leyendo

¡Si te gusta el artículo, compártelo!

Guía de selección de luz de color: In-Sight 7000 de Cognex

In-Sight-7000

El sistema de visión In-Sight 7000 de Cognex realiza inspecciones rápidas y precisas de piezas para todos los sectores industriales. Este nuevo sistema cuenta con un diseño modular personalizable para los requisitos de cualquier aplicación y con una amplia selección de iluminación y ópticas intercambiables por el usuario. Sigue leyendo

¡Si te gusta el artículo, compártelo!